Løsningen giver læreren vigtig information om indskolingselevers skriveudvikling på baggrund af meningsfulde skriveaktiviteter. Eleverne vurderes automatisk på 4 forskellige skriftssprogsdimensioner (sætningskonstruktion, tekstfremstilling, beskrivere og stavning) – hver inddelt i 4 udviklingstrin. Projektet giver et overblik over klassens status, klassens samlede udvikling og elevernes individuelle progression. Projektet bygger på et 5. årigt forskningsprojekt i samarbejde med DPU, National Videnscenter for Læsning og DTU. Svendborg Kommune deltog med alle skoler og 2100 elever over en periode på 3,5 år.

En modulopbygget AI-baseret energistyringsløsning, der analyserer el-, vand- og varmeforbrug i kommunale bygninger og omsætter data til konkrete handlinger for energi- og ressourcebesparelser.

KommuneGPT er et fælleskommunalt generativt AI-værktøj, der fungerer som en troværdig digital assistent. Systemet udvikles i samarbejde mellem Næstved, Odense, Aarhus, Vejle og Sønderborg kommuner samt KL. 

Projektet vil digitalisere vejtilsyn fra en manuel inspektion og registrering til en digital indsamling, hvor man gennemkører vejene og med sensorteknologi registrerer og lagrer data om vejens tilstand. Herefter kan man ved hjælp af kunstig intelligens/algoritmer identificere skader, ujævnheder, bump og huller. En digital indsamling af data vil sikre præcise, objektive data om vejområdet, der langt bedre understøtter planlægning og prioritering af både vedligeholdelse og genopretning.

Signaturprojektet omhandler optimering af drift og styring af en flåde af køretøjer eller enheder i den offentlige sektor. Ved at analysere data og køre simuleringer på allerede kørte ruter, kan systemet hjælpe med at spare tid, penge og CO2-udledning.

Systemet planlægges taget i brug af Københavns Kommune til digitalt vejtilsyn. Det anvendes til løbende tilsyn og hovedeftersyn af vejnettet, hvor en bil med monteret smartphone kører gennem vejnettet og automatisk registrerer skader, revner, huller og sætninger i vejbelægningen. Systemet erstatter manuel, tidskrævende registrering og giver kommunen et digitalt overbliksbillede af vejnettets tilstand til prioritering af vedligeholdelse.

Signaturprojektet, Bedre Match, havde til formål at understøtte kommunale jobcentre med at matche ledige borgere med virksomheders ubesatte stillinger.

RoboRef er en AI-løsning til automatisk referatskrivning, som er udviklet i et samarbejde mellem over 20 kommuner, en række organisationer, ATP og Droids Agency. Løsningen anvender tale-til-tekst teknologi og generativ AI til at transskribere møder og udarbejde automatiske referater. 

Signaturprojektet, GeoDanmark, blev udviklet med det formål at anvende kunstig intelligens til at identificere, når der er sket ændringer i landets infrastruktur.

Projekt gennemført i samarbejde med den tyske Neusoft. Ved hjælp af sensorer (kamera i bil + GPS) og ML-billedgenkendelse fik vi indsamlet en klassificering af skilte og kantpæle med tilhørende geolokation på de kommunale veje. Formålet var at se, hvorvidt teknologierne kunne frembringe et stærkt datagrundlag, inden der skulle gennemføres et nyt skilteudbud i driften.

Anvendelse af edge-computing (kameraer samt machine learning i boks placeret på f.eks. husmure og lygtepæle) til registrering af trafik (fodgængere, cykler og biler). I første omgang i lyskryds samt centrum/gågade, i dag nedskaleret og fokuseret udelukkende på centrum/gågade med særligt fokus på digital understøttelse af bylivsregnskaber og -analyser.

Candeno er en digital jobsøgningsplatform, der tilbydes af kommunale jobcentre til ledige borgere. Platformen samler jobsøgningsforløbet ét sted med CV-byggeri, AI-assisteret ansøgningsskrivning, personlighedsprofilering, læringsforløb og direkte dialog med rådgivere.

Konsido CPO er et AI-baseret analyseværktøj udviklet af den aarhusianske virksomhed Konsido i samarbejde med Aarhus Kommune. Systemet analyserer kommunens indkøbsadfærd for at identificere og reducere klimaaftrykket fra eksterne leverandører.

Automatisk kortlægning af børns tidlige skrivning

Signaturprojektet, OMAS, ville reducere ledighedsperioder, mindske langtidsledighed og øge tilfredsheden hos de ledige. Målet var at udvikle en brugervenlig beslutningsstøtte til sagsbehandlere, der kunne fremme dialogen med de ledige.